Profundizar en los árboles de descomposición

Los árboles de descomposición son un gran método para analizar una variable objetivo. Pueden complementarse con otros elementos visuales o información para crear más contexto (por ejemplo, tarjetas u otros gráficos).

En este ejercicio, explicarás con más detalle los ingresos medios mensuales y, a continuación, utilizarás tarjetas para obtener más información sobre TotalWorkingYears.

Si has perdido algún progreso, cierra los informes que tengas abiertos y carga 3_2_decomposition_context.pbix desde la carpeta Libros de Trabajo del Escritorio.

Este ejercicio forma parte del curso

Análisis de Tendencias en Energía BI

Ver curso

Ejercicio interactivo práctico

Convierte la teoría en acción con uno de nuestros ejercicios interactivos

Empieza a hacer ejercicio

Este ejercicio forma parte del curso

Análisis de Tendencias en Energía BI

IntermedioNivel de habilidad

4.8+

761 reviews

Comienza el curso gratis

En este capítulo, te familiarizarás con las variables basadas en la hora y las múltiples formas de extraer más variables utilizando EDA para su análisis, como el día de la semana y la diferencia horaria. Te pondrás manos a la obra con Power BI mientras construyes gráficos de líneas para calcular nuevas métricas y descubrir las tendencias ocultas en tus datos, incluidos los cambios entre periodos y las medias móviles.

Exercise 1: Empezar a explorar datos de series temporales Exercise 2: Afirmaciones sobre el análisis de series temporales Exercise 3: Explorar las series temporales de AirBnB Exercise 4: Generar una nueva variable de fecha Exercise 5: Analizar las tendencias por día de la semana Exercise 6: Cálculo de la variación interanual

Exercise 1: Gráfico de ejecución de series temporales Exercise 2: Cíclico vs. Estacional Exercise 3: Analizar las opiniones de Glassdoor a lo largo del tiempo Exercise 4: Construir tu primer gráfico de series temporales Exercise 5: Cálculo de medias móviles Exercise 6: Encontrar anomalías en datos de series temporales

Una de las funciones más potentes de EDA en Power BI es poder identificar qué variables influyen más en tu resultado objetivo. Una herramienta de visualización nativa de Power BI que lo permite es Árboles de descomposición. Aprenderás sobre los Árboles de Descomposición, cómo construirlos y luego interpretarlos para explicar un resultado objetivo mediante otras variables.

Exercise 1: Introducción a los árboles de descomposición Exercise 2: Declaraciones sobre árboles de descomposición Exercise 3: Utilizar árboles de descomposición en Power BI Exercise 4: Introducción a los árboles de descomposición Exercise 5: Profundizar en los árboles de descomposición

Ejercicio actual

Exercise 6: Descomposición de las tasas de abandono

En este capítulo construirás otra herramienta nativa de Power BI, Key Influencers visual. Te ayuda a comprender cuánto cambia un resultado objetivo en función de variables y segmentos de observaciones específicos.

Exercise 1: Presentación de personas influyentes clave Exercise 2: Árboles de descomposición frente a influenciadores clave Exercise 3: Utilizar personas influyentes clave en el Poder BI Exercise 4: Factores clave que influyen en el precio medio de venta Exercise 5: Segmentos de personas influyentes clave Exercise 6: Influyentes clave para los superanfitriones Exercise 7: ¡Enhorabuena!